statistická analýza krční poslech signálů z dospělých s nebezpečným ochranu dýchacích cest

Náš protokol sběru dat, zpracování signálu kroky, a funkce extrakční techniky jsou shodné s naší předchozí práce s non-nasávací dysphagic předměty (Dudik, JM, Kurosu,, Coyle, JL, Sejdić, E: účinky dysfagie polykání zvuky a vibrace u dospělých, pod recenzi). Pro úplnost je celý proces zahrnut níže s drobnými změnami v popisu našich experimentálních skupin. Protokol pro studii byl schválen institucionální revizní komisí na University of Pittsburgh.

sběr dat

naše záznamové zařízení sestávalo z tříosého akcelerometru a kontaktního mikrofonu připojeného k přednímu krku účastníka oboustrannou páskou. Zrychlení (ADXL 327, Analog Devices, Norwood, Massachusetts) byl namontován ve vlastním plastovém pouzdru a umístěná nad prstencová chrupavka, jako bylo popsáno výše s cílem poskytnout nejvyšší kvalitu signálu . Hlavní osy akcelerometru byly zarovnány přibližně rovnoběžně s krční páteří a kolmo k koronální rovině a budou označovány jako osy superior-inferior a anterior-posterior. Třetí osa nebyla pro tuto studii použita, protože srovnatelný signál nebyl použit v naší studii zdravých subjektů . Snímač byl napájen napájení (model 1504, BK Precision, Yorba Linda, Kalifornie) s 3V výstupní a výsledné signály byly pásmovým filtrované 0,1-3000 Hz s desetkrát zesílení (model P55, Tráva Technologií, Warwick, Rhode Island). Napěťové signály pro každou osu akcelerometru byly přiváděny do National Instruments 6210 DAQ a zaznamenávány při 20 kHz programem LabView Signal Express (National Instruments, Austin, Texas). Ukázalo se, že toto nastavení je účinné při detekci aktivity polykání v předchozích studiích . Mikrofon (model C 411L, AKG, Vídeň, Rakousko) byl umístěn pod akcelerometr a mírně směrem k pravé straně průdušnice tak, aby se zabránilo kontaktu mezi dvěma senzory a zabránit obstrukci radiografické zobrazení horních cest dýchacích, ale stále zaznamenávat události z přibližně stejné umístění. Toto místo bylo dříve popsáno jako vhodné pro sběr polykajících zvukových signálů . Mikrofon byl poháněn napájení (model B29L, AKG, Vídeň, Rakousko) a nastavena na ‘line’ impedance s objemem ‘9’, zatímco výsledný napěťový signál byl poslán do již zmíněné DAQ. Tento signál byl ponechán nefiltrovaný, protože horní hranice šířky pásma polykání zvuků dosud nebyla nalezena. Signál byl vzorkován Signal Express při 20 kHz. Tyto senzory byly připojeny dříve a umožnily shromažďovat data během hodnocení videofluoroskopického polykání, takže byly také získány souběžné videofluoroskopické snímky. Obrazy výstup z x-ray stroj (Ultimax systém, Toshiba, Tustin, CA) byl vstup na video zachytávací karty (AccuStream Express HD, Předvídavost Imaging, Chelmsford, MA) a zaznamená se stejným Labview program.

jako vzorek sloužilo celkem 76 pacientů s podezřením na dysfagii, kteří měli podstoupit hodnocení videofluoroskopického polykání na University of Pittsburgh Medical Center (Pittsburgh, Pensylvánie). Účastníci se rekrutovali z obecné lůžková a ambulantní populace osob uvedených v Řeči Patologie Jazyka služby pro instrumentální hodnocení orofaryngeální polykání funkce s videofluoroscopy (VFS). V důsledku vysoké prevalence více komorbidit u pacientů s dysfagií a interakce těchto podmínek je příčinou dysfagie, tam bylo několik pacientů, u nichž jeden přiznal, nebo nemocniční diagnóza by mohla být vyzdvižena jako jedinou příčinou jejich dysfagie. Mezi nejčastější diagnózy v naší kohortě byly zdvihu (17), transplantace orgánů (plic 13, 3 srdce, jater, ledvin nebo více orgánů), dysfagie, není-li uvedeno jinak (19), respirační selhání (7), non-mrtvice, neurologické onemocnění (6), rakovina – plic, jícnu, hlavy-krku (3), a zápal plic (8). Celkem 17 pacientů (10 mužů, 7 žen, průměrný věk 67) aktuální diagnózy cévní mozkové příhody, zatímco zbývajících 59 (40 mužů, 19 žen, průměrný věk 61) měl zdravotní podmínky, které nesouvisí s mozkovou mrtvici. Ti pacienti, které měl v minulosti velké hlavy nebo krku chirurgie, byly vybaveny pomocnými zařízeními, která bránila přední část krku jako tracheostomie trubice, nebo nebyly dostatečně kompetentní udělit informovaný souhlas, nebyly zahrnuty do studie, ale žádné další podmínky, byli vyloučeni. Pacienti s dysfagií neprošly standardizovaný sběr dat postup, jak videofluoroscopy vyšetření je běžně upravena zkoušející, aby vyhovovaly individuálním stavu pacienta. Tento způsob získávání dat blíže představuje skutečné klinické prostředí. Všechny analyzované vlaštovky byly omezeny na ty, které byly vyrobeny, zatímco hlava účastníka byla v neutrální poloze hlavy. Vyloučeny byly také vlaštovky vyrobené s manévry, jako je snadná vlaštovka, supraglottická vlaštovka nebo Mendelsohnův manévr. Tekutiny požití během vyšetření zahrnuty vychlazeného (5 °C) Varibar řídká, s <5 cps konzistenci, a Varibar Nektar, s ≈300 cps konzistence, (Bracco, Milan, ITA) uveden buď jako self-podávat z hrnečku v pohodlí svazky self-vybraný pacient, nebo spravuje referent v objemu přibližně 3 mL 5 mL lžíce. Celkem 468 vlaštovky (128 od pacientů s cévní mozkové příhody, bez 340) již více než menší průnik bolusu do hrtanu, zatímco 53 vlaštovky (19 z těch, s mrtvicí, 34 bez) měl větší penetrace nebo reziduí. Tyto skupiny mohou být klasifikovány jako má Penetrační Aspirace-skóre 3 nebo méně v první skupině nebo skóre 4 nebo vyšší, v druhé, jejíž význam je vysvětlen v následující kapitole .

zpracování a analýza signálu

Data zaznamenaná pomocí akcelerometru prošla několika kroky zpracování, aby se zlepšila kvalita signálu. Signál zaznamenaný ze zařízení, když byl předložen bez vstupu k předchozímu datu, byl použit ke generování auto-regresního modelu šumu zařízení. Koeficienty tohoto modelu byly poté použity k vytvoření filtru konečné impulsní odezvy, který byl použit k odstranění šumu zařízení ze zaznamenaného signálu. Později, pohybové artefakty a další nízkofrekvenční šum byly ze signálu odstraněny pomocí nejméně čtvercových drážek. Konkrétně jsme použili čtvrtém pořadí křivek s počtem uzlů rovna \(\frac {\text {\textit {Nf}}_{l}}{f_{y}}\), kde N je počet datových bodů ve vzorku, fs je původní 10 kHz vzorkovací frekvence našich údajů, a f l je rovna buď 3.77 nebo 1,67 Hz pro superior-inferior nebo anterior-posterior směru, v tomto pořadí. Hodnoty pro f l byly vypočteny a optimalizovány v předchozích studiích. Konečně jsme se pokusili minimalizovat dopad širokopásmového šumu na signálu využitím wavelet denoising techniky. Konkrétně jsme se rozhodli použít meyerovy vlnky desátého řádu s měkkým prahováním. Hodnotu našich prahová hodnota byla zvolena rovna \(\sigma \sqrt {2\log N}\), kde N je počet vzorků v souboru dat a σ, odhad směrodatné odchylky šumu, je definována jako medián dolů do vzorku, waveletové koeficienty dělený 0.6745. Po přepočtu příslušných koeficientů jsme na mikrofonní signál použili stejné techniky fir filtrace a denoizace waveletů. Žádné drážky nebo jiné low-frekvence, odstranění techniky byly aplikovány na polykání zní, protože jsme dosud zkoumali, jestli tyto frekvence obsažené důležité zvukové informace.

Dva soudci, a to jak řeč patologové jazyka s dysfagií výzkum, zkušenosti a jehož inter – a intra-rater spolehlivost v opatření použitá v této studii byly stanoveny v předchozích publikovaných výzkumů, vizuálně kontrolovány fluoroskopická data pro měření dvou parametrů: délka polykání segmentů a rozsah pronikání nebo aspirace dýchacích cest během polykání segmentů pomocí stupnice pronikání aspirace . Jeden z těchto soudců je co-developer pronikání aspirace rozsahu, který vyvinul rozhodovací pravidla pro výběr konkrétních snímků označení segmentu trvání nástup a vyrovnání a v hodnocení rozsahu ochranu dýchacích cest během spolknout pomocí osmi-bod průniku-aspirace měřítku. Poté vyškolili druhého soudce v metodách výběru těchto video snímků. Po tréninku oba porotci vyhodnotili soubor dvaceti pěti neznámých videozáznamů zaznamenaných vlaštovek, z nichž žádný nebyl zahrnut do údajů účastníků pro tuto studii. Spolehlivost úsudku byla hodnocena pomocí korelačního koeficientu uvnitř třídy. Korelační koeficienty intrarater a interrater intralass byly oba 0,998. Po vytvoření přijatelné intra – a inter-rater spolehlivost pro segment trvání a penetrace-aspirační skóre, druhý rozhodčí pak hodnotí segmentu nástupu, segment, offset, a penetrace-aspirace měřítko skóre pro každý doušek je popsáno v této studii.

oslepeni údaji o akcelerometrii tito soudci segmentovali a označili každou jednotlivou vlaštovku. Začátek (nástup) vlaštovka segmentu byl definován jako čas, za který náběžná hrana požití bolus protíná s stín na x-ray obrazu od zadní hranice větve dolní čelisti zatímco na konci (offset) byla doba, kdy jazylka dokončen pohyb spojený s polykáním-související činnost hltanu a vrátil se do své klidové nebo pre-spolknout pozici. Čas body poskytována tento postup byly použity k segmentu vibračních a akustických signálů, čímž se získá individuální spolknout data. Každý doušek byl také hodnocen na standardní 8-bodové ordinální klinické penetrace-aspirační škály (PA měřítku) a vlaštovky s hodnocením 3 nebo nižší, byla zahrnuta do naší analýzy jako non-nasávací spolknout. Skóre 3 nebo nižší, v tomto měřítku ukazují, že buď žádné hmotné vstoupil do horních cest dýchacích (skóre 1), nebo mělké pronikání hrtanu bez (skóre 2) nebo s (skóre 3), některé zbytky z požití materiál zbývající v hrtanu po spolknout. Tento mezní bod pro bezpečný-nebezpečný skóre, jak je vybrán, protože hlubší hrtanu penetrace, a zejména vdechnutí do průdušnice, zastoupená měřítku skóre 4 a vyšší, bylo zjištěno, vyskytují se zanedbatelnou frekvenci u zdravých osob, a pro účely naší studie, byly považovány za “nebezpečný” vlaštovky. Tato skóre PA byla poté porovnána se signály získanými prostřednictvím cervikálních auskultačních zařízení .

jakmile byly auskultační signály filtrovány a segmentovány, vypočítali jsme několik různých funkcí, abychom charakterizovali každou vlaštovku. V časové oblasti jsme zkoumali šikmost a kurtózu signálu, které lze vypočítat pomocí typických statistických vzorců . Také jsme vypočítali více informací-teoretické rysy podle postupu popsaného v předchozích publikacích. Signály byly normalizovány na nulový průměr a jednotkový rozptyl, pak rozdělen do deseti rovnoměrně rozložených úrovní, v rozmezí od nuly do devíti, které obsahovaly všechny zaznamenané hodnoty signálu. Poté jsme vypočítali funkci rychlosti entropie signálů. To je zjištěno odečtením minimální hodnoty normalizované entropie rychlost signálu z 1 na výrobu hodnotu, která se pohybuje od nuly, pro zcela náhodný signál, aby se jeden, a to zcela pravidelný signál . Normalizované entropie sazba je vypočtena jako

kde perc je procento jedinečné položky v daném pořadí L . SE je Shannon entropie sekvence a je vypočtena jako

kde ρ(j) je pravděpodobnost, že hmotnost funkci dané sekvence. Kvantování původní signál 100 diskrétních úrovní, místo deseti nám umožnilo spočítat, Lempel-Ziv složitosti jako

kde k je počet unikátních sekvencí v rozkladu signálu a n je vzor délku .

zkoumali jsme také několik funkcí ve frekvenční oblasti. Střední frekvence, někdy označované jako spektrální těžiště, byl jednoduše vypočtena Fourierova transformace signálu a nalezení váženého průměru ze všech pozitivních frekvenčních složek:

kde x(n) je velikost frekvence součásti a f(n) je frekvence této složky. Podobně bylo zjištěno, že špičková frekvence je Fourierovou frekvenční složkou s největší spektrální energií. Definovali jsme šířku pásma signálu jako směrodatnou odchylku jeho Fourierovy transformace .

nakonec jsme charakterizovali náš signál v oblasti času a frekvence. Předchozí příspěvky, zjistil, že polykání signály jsou do určité míry nestacionární , což waveletovou transformaci je vhodnější než jednoduchý Fourierova analýza . Rozhodli jsme se rozkládají náš signál pomocí desátého řádu Meyer vlnky proto, že jsou spojité, mají známé škálování funkce , a více podobají polykání signálů v časové doméně ve srovnání s Gaussian nebo jiné běžné vlnky tvary . Energie v dané úrovni rozkladu byla definována jako

kde x představuje vektor aproximačních koeficientů, nebo jeden z vektorů, představující detailní koeficienty. | | ∗ / / označuje euklidovskou normu . Celková energie signálu je jednoduše součtem energie na každé úrovni rozkladu. Odtud bychom mohli vlnkovou entropii vypočítat jako:

kde Er je relativní příspěvek daného rozkladu úrovni, aby se celková energie v signálu a je dána jako

Statistické analýzy

Po výpočtu příslušné funkce, které jsme vykonávali různé statistické srovnání na naše datové sady. Za prvé, jsme se pokusili test normality našich dat pomocí Shapiro-Wilk testu, stejně jako rovnost rozptylů prostřednictvím leveneův test s cílem posoudit životaschopnost pomocí parametrických testů. Nicméně, po oddělení dat na základě našich vybraných proměnných (PA skóre, účastníka, pohlaví, přítomnost mrtvice, bolus viskozita) jsme zjistili, že přibližně 60 % naší funkce rozdělení splněny tyto předpoklady. V tomto okamžiku jsme se rozhodli začlenit neparametrické testy k analýze našich dat.

použili Jsme Wilcoxonův signed rank test pro zjištění rozdílů s ohledem na jednotlivé funkce všech tří signálů pro bezpečné (PA skóre 1-3) a nebezpečné (PA skóre 4-8) vlaštovky a rozdělení podle konzistence požití bolus. Pro stanovení významnosti byla použita hodnota p ≤0,05. Tento proces byl opakován test pro rozdíly mezi dysphagic pacientů s a bez mrtvici během “nebezpečný” vlaštovky. Zrcadlo výsledků z našich předchozích studiích jsme provedli další sadu rank sum testy, aby vyzkoušely sex-na základě rozdílů v signálech zaznamenaných z dysphagic populace. Konečně, účinky viskozity bolusu na naše data byly zkoumány pomocí Wilcoxonových signovaných testů. Věk subjektů nebyl použit jako proměnná, protože předchozí práce ukázala malý významný vliv věku na cervikální auskultační signály i pro velké věkové rozdíly .

Post hoc odhady naší statistické síly byly provedeny v softwarovém programu GPower . Použili jsme Lehmannovu metodu odhadu s cílovým výkonem nejméně 0,80. V matematické podobě:

kde c je kritická hodnota testovací statistika a se rovná 1.64, E() a V a r() jsou očekávané hodnoty a rozptylu operátorů, respektive, a Φ je normální kumulativní distribuční funkce. W je Mann-Whitneyho statistika a je počet případů, kdy datový bod z jedné skupiny má nižší hodnost než datové body v alternativní skupině. S malými odchylkami mezi nimi kvůli proměnlivým velikostem populace jsme zjistili, že naše srovnání má dostatečnou sílu k rozlišení středně velkých (d=0,40±0,05) účinků.